![](https://digilib.itb.ac.id/assets/icon/pdf.gif)
Dokumen Asli
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Terbatas  Dessy Rondang Monaomi
» Gedung UPT Perpustakaan
Pada sistem produksi, umum halnya dijumpai penggunaan lebih dari satu SSD
sebagai penyimpanan redundan. Sifat redundan ini dapat dimanfaatkan untuk
mengorganisir permintaan I/O yang masuk untuk menghindari SSD yang sedang
melakukan internal management, seperti garbage collection, wear leveling, dan
write amplification, disebut dengan I/O admission control. Algoritma machine
learning saat ini banyak digunakan di berbagai sistem produksi sehingga
menjumpai data bersifat kontinu, yang mana model drift dapat terjadi. I/O
admission control berbasis machine learning, sebagai salah satu aplikasi machine
learning di sistem produksi, juga tidak luput dari model drift, meliputi concept drift
dan covariate shift. Kedua jenis drift ini dapat dimitigasi dengan mendeteksi drift,
baik menggunakan kondisi tertentu, seperti akurasi model, ataupun algoritma
berbasis statistik, kemudian melatih ulang model untuk menyesuaikan dengan
karakteristik data terkini. Tugas akhir ini mengkaji penggunaan 3 skema berbasis
machine learning untuk memitigasi drift, yakni model reuse, model drift detector,
dan model reweighting.